改进YOLOv5的SAR图像近海岸舰船目标检测算法研究

作者：闵锋; 刘朋^*

来源：微电子学与计算机, 2023, (04): 38-46.

DOI：10.19304/J.ISSN1000-7180.2022.0435

• SAR图像
• 舰船检测
• YOLOv5算法
• 损失函数
• 复杂背景

SAR图像舰船目标检测时,因近海岸港口存在着复杂背景的问题,以至于重叠舰船目标无法被准确提取特征信息,造成近海岸的舰船目标出现漏检、误检的情况.针对以上问题,提出一种复杂场景下的SAR图像舰船检测算法,该算法基于YOLOv5进行改进,采用SPPF结构加强提取特征信息,并融合原YOLOv5的SPP结构提取的特征信息,这种多级金字塔模块并列融合的方式能有效的检测多尺度舰船目标,使特征信息更好的表达；然后将原模型中的GIOU改进为CIOU,使其可以准确的回归出预测框的位置；最终为了更合理的筛选高于阈值的预测框,改进NMS(Non-Maximum-Suppression),采用Soft-NMS方法去惩罚衰减高于阈值的边框得分,合理的去除预测框.试验结果表明,该文改进的模型相比于原模型在SSDD、 SAR-Ship-Dataset数据集上的mAP(mean Average Precision)提高了5.15%和5.06%,改进模型能有效检测近海岸中复杂背景下的SAR图像舰船目标.

• 出版日期2023
• 单位武汉工程大学